行業：電子制造

解決方案：VisionPro Deep Learning

挑戰：

傳統檢測方法是用電子顯微鏡放大和人工目視檢測外觀瑕疵的方式，長期下來作業員識別率降低，無法保證精密連接器缺陷檢測的質量和效率；

由于人工檢測的方法導致標準不一致，易發生質量問題，給企業帶來不利影響；

傳統檢測方法沒有實現檢測自動化，產生了大量人工成本。

效果：

實現外觀瑕疵檢測的自動化，減少企業成本；

整體檢測能力大大提升，機臺判定標準一致，完全避免了人為因素導致的檢驗問題；

實現了無人化智能工廠，有力支持了企業智能制造戰略的實施。

作為全球化的領先解決方案提供商，鴻騰精密（Foxconn Interconnect Technology，FIT）旨在構建互聯互通，實現更美好的世界。FIT關鍵產品包含纜線組件、連接器、主動式光纖電纜、嵌入式光學模塊、可插拔的收發器模塊、天線、無線充電產品與組件、音頻、電力與纜線配件等。 FIT是富士康科技集團最早成立的事業群。憑借在消費者洞察、行業趨勢、設計、開發、研究、制造工程、生產、供應鏈方面出類拔萃的能力，服務橫跨B2C與B2B的各種世界級品牌與自有品牌產品，是全世界技術趨勢的先驅者，為消費者提供富有吸引力的用戶體驗。公司擁有7萬多員工，2018年度銷售額達40億余美元。

老方法難以解決復雜的外觀瑕疵問題

目前，隨著應用領域的飛速發展和市場規模擴大，對精密連接器的要求越來越高，逐步向微型化、高頻率高速度無線傳輸、智能化等方向發展，需要精密連接器更小巧，更精密、趨于完美。因此，精密連接器對生產質量和精度的要求逐步提升，產品質量檢測在精密連接器生產步驟中成為至關重要的環節。

精密連接器的生產過程工序比較復雜，原材料的選用、設備的精度、設備的參數、操作人員的手法、車間的溫度、濕度等都有可能影響精密連接器的某一質量特性。

“精密連接器的缺陷遍布于本體的內外表面，缺陷種類多、形態多變、檢測區域背景復雜，材質多樣，而且檢測涉及多個表面?！盕IT的吳柏翰課長介紹說，“所以，管控參數較多，檢測要求復雜繁瑣?！?/p>

人工外觀瑕疵檢驗

傳統的精密連接器外觀瑕疵檢測主要靠線上品檢員進行目檢或半自動檢驗，這種檢驗方法存在效率低、成本高、人員重復性、漏檢等問題，嚴重影響了產品的生產效率和質量。檢測方式不到位易發生質量問題，不但會影響產品功能性，傷害客戶對產品的購買信心。同時，也會造成客戶投訴，返工甚至退單，給企業帶來損失。

FIT憑借先進的研發和制造技術及自動化和分析、檢測能力的優勢，已成為眾多國際知名客戶的緊密合作伙伴。在產品質量管控上，FIT一直致力于三不政策：不接受不良、不制造不良、不流出不良。傳統視覺檢測雖然可以應對不那么復雜的外觀檢測，但是對于非常復雜的外觀檢測需求，技術有所欠缺，已經難以滿足FIT的質量管控要求。

VisionPro Deep Learning化繁為簡，實現缺陷檢 測自動化

為徹底解決檢測難題，提升工廠自動化生產水平，FIT在與多家視覺檢測解決方案供貨商了解溝通后，決定引進基于深度學習算法的AI檢測技術?？的鸵曌鳛槿蛑?a href="http://m.xsypw.cn/tags/機器視覺/" target="_blank">機器視覺解決方案供貨商，與FIT合作已久。經過調研，FIT發現，康耐視基于深度學習算法的VisionPro Deep Learning，在其綜合檢測能力、開發周期等各方面性能上，非常貼合FIT自動化生產線的檢測要求。

檢測畫面

在瑕疵檢測應用中，缺陷往往是沒有規律的，傳統視覺產品用代碼難以去明確判斷或分類不同種類瑕疵或對比度較低的瑕疵。而VisionPro Deep Learning的深度學習算法針對工業圖像分析進行了優化，只需較少的瑕疵圖像樣本和較短的標注訓練時間即可完成驗證。

耳朵發黃NG圖片，塑料損傷NG圖片

臟污NG圖片

VisionPro Deep Learning不但順利解決了對于傳統機器視覺過于繁重、復雜或者昂貴的應用，而且其靈活的圖形化程序設計環境，使FIT的工程師們能夠構建靈活自定義的深度學習解決方案。

“選擇一個優秀的解決方案供貨商，不僅僅要衡量其產品、技術的高質量高性能，而是否能夠提供高質量的快捷服務保障，也是一項重要的考慮因素。在首次導入VisionPro Deep Learning過程中，康耐視為FIT提供了極大的幫助。”FIT的吳柏翰課長為康耐視所展現的優質技術支持服務點贊，“從面對面的技術教學、協助項目開發，一直到設備使用等全流程，康耐視都積極解決遇到的各種技術問題，并共同與我們一起來完善項目程序，確保了本次項目的成功實施！”

解決應用痛點，全面提升生產效能

目前，FIT已在自動化瑕疵檢測設備中成功部署了60多套VisionPro Deep Learning。在實際運行中，其性能表現出色。整體檢測能力，如漏檢率控制在《 0.1%、過殺率《1~2%，檢測準確率大大提升。

實施VisionPro Deep Learning后，FIT節省了100多位現場作業人員，且漏檢率、人員判定差異等問題大大降低，完全避免了人為因素導致的檢驗問題。檢測結果不但更客觀穩定，而且大大降低了企業生產成本。

自動線外觀檢測設備

現在，全球精密連接器行業正在經歷快速的技術發展，產品功能更好、兼容性更高，這使得連接器產品可應用于更多的情況及情景。而正是在康耐視VisionPro Deep Learning的幫助下，FIT的精密連接器可以輕松應對未來的各種復雜應用挑戰，并為FIT抓住不同連接器終端市場的多樣化發展趨勢，提供了持續的創新技術支持。

“康耐視作為全球最早涉足機器視覺領域的企業，擁有豐富的深度學習部署經驗，而且深刻理解客戶需求，擅長解決應用痛點，是理想的機器視覺合作伙伴?！眳前睾舱n長指出，“希望今后康耐視能打造出更加貼合自動化生產線的設備，幫助客戶降低成本，實現共贏。未來雙方將持續緊密合作，FIT將繼續導入VisionPro Deep Learning，全面實現外觀瑕疵檢測的無人化！”